打印文章

时间限制:9000/3000 MS(Java / Others)内存限制:131072/65536
K(Java / Others)

总共提交:14521已接受提交:4531

问题描述
零有一台旧的打印机,有时不能正常工作。由于它是古董,他仍然喜欢用它来打印文章。但是长时间工作太旧,肯定会磨损,所以用零成本来评价这个程度。

有一天,零想要打印一个有N个单词的文章,而每个单词我有一个打印费用Ci。另外,零知道在一行中打印k个字将花费




M是常数。

现在,零想要知道最低成本,以完美安排文章。
 
输入
有很多测试用例。对于每个测试用例,第一行有两个数字N和M(0≤n≤500000,0≤M≤1000)。然后,在接下来的2到N
+ 1行中有N个数字。输入由EOF终止。
 
产量
一个数字,意思是打印文章的最低成本。
 
示例输入
5 5

9

7
 
示例输出
230
 
作者

Xnozero

斜率优化dp

我们以这道题为例

我们由题很容易写出dp方程,设f[i]为打印前i个位置的最小代价,则f[i] = min{f[j] + (sum[i] - sum[j])^2} + M

这样做是O(n^2)的复杂度

这个时候就需要斜率优化了

我们设k < j < i,若j比k优,则由状态转移方程有

f[j] + (sum[i] - sum[j])^2 < f[k] + (sum[i] - sum[k])^2

整理一下就是((f[j] + sum[j]^2) - (f[k] + sum[k]^2)) / (2 * sum[j] - 2 * sum[k]) < sum[i]

我们令y1 = f[j] + sum[j]^2 ,y2 = f[k] + sum[k]^2,x1 =2 * sum[j] ,x2 = 2 * sum[k]

那么就可以写成(y1 - y2)/(x1 - x2) < sum[i]

也就是说当j,k代表的两个点的斜率满足这个不等式时,j恒比k优

有什么用呢?

我们设k < j <p,且K(p,j) < K(j,k),

那么若K(p,j) < sum[i],则p比j优

若K(p,j) >= sum[i],由于K(j,k) > K(p,j) > sum[i],则j不比k优,就是说k比j优

即j一定没有贡献

这样子我们只需维护点间的斜率单调【这题是递增】,对于每个f[i],我们只需找到最大的K<sum[i],那么该斜率对应直线的右端点就是我们要找的最优的转移

怎么找最大的K呢?

由于我们维护的是斜率单调,即K递增,我们可以二分

特殊的,本题参照物sum是单调递增的,也就是说满足小于sum[i - 1]的一定满足小于sum[i],用一个单调队列维护就好了

于是我们得到了本题的解

一般地,对于状态转移方程dp[i] = dp[j] + f(i,j),若能转换成上述与斜率有关的不等式,都可以用斜率优化,O(n^2)转O(n),是不是很神奇?

另外,若dp[i] = dp[j] + f(i),也就是说我们只需找最优的dp[j]与当前点无关,就可以用单调队列优化

附上本题代码

#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
#define LL long long int
#define REP(i,n) for (int i = 1; i <= (n); i++)
#define fo(i,x,y) for (int i = (x); i <= (y); i++)
#define Redge(u) for (int k = head[u]; k != -1; k = edge[k].next)
using namespace std;
const int maxn = 500005,maxm = 100005,INF = 1000000000;
inline int read(){
int out = 0,flag = 1;char c = getchar();
while (c < 48 || c > 57) {if (c == '-') flag = -1; c = getchar();}
while (c >= 48 && c <= 57) {out = out * 10 + c - 48; c = getchar();}
return out * flag;
}
int n,M,sum[maxn],q[maxn],f[maxn],head = 0,tail = 0;
int getu(int u,int v){return (f[u] + sum[u] * sum[u]) - (f[v] + sum[v] * sum[v]);}
int getd(int u,int v){return 2 * (sum[u] - sum[v]);}
int getf(int i,int j){return f[j] + (sum[i] - sum[j]) * (sum[i] - sum[j]) + M;}
int main()
{
while (~scanf("%d%d",&n,&M)){
head = tail = 0;
REP(i,n) sum[i] = sum[i - 1] + read();
q[tail++] = 0;
for (int i = 1; i <= n; i++){
while (head + 1 < tail && getu(q[head + 1],q[head]) <= sum[i] * getd(q[head + 1],q[head]))
head++;
f[i] = getf(i,q[head]);
while (head + 1 < tail && getu(i,q[tail - 1]) * getd(q[tail - 1],q[tail - 2]) <= getu(q[tail - 1],q[tail - 2]) * getd(i,q[tail - 1]))
tail--;
q[tail++] = i;
}
printf("%d\n",f[n]);
}
return 0;
}

HDU3507 print article【斜率优化dp】的更多相关文章

  1. HDU3507 Print Article —— 斜率优化DP

    题目链接:https://vjudge.net/problem/HDU-3507 Print Article Time Limit: 9000/3000 MS (Java/Others)    Mem ...

  2. HDU3507 Print Article(斜率优化dp)

    前几天做多校,知道了这世界上存在dp的优化这样的说法,了解了四边形优化dp,所以今天顺带做一道典型的斜率优化,在百度打斜率优化dp,首先弹出来的就是下面这个网址:http://www.cnblogs. ...

  3. hdu3507 Print Article[斜率优化dp入门题]

    Print Article Time Limit: 9000/3000 MS (Java/Others)    Memory Limit: 131072/65536 K (Java/Others)To ...

  4. [hdu3507 Print Article]斜率优化dp入门

    题意:需要打印n个正整数,1个数要么单独打印要么和前面一个数一起打印,1次打印1组数的代价为这组数的和的平方加上常数M.求最小代价. 思路:如果令dp[i]为打印前i个数的最小代价,那么有 dp[i] ...

  5. HDU3507 Print Article (斜率优化DP基础复习)

    pid=3507">传送门 大意:打印一篇文章,连续打印一堆字的花费是这一堆的和的平方加上一个常数M. 首先我们写出状态转移方程 :f[i]=f[j]+(sum[i]−sum[j])2 ...

  6. hdu 3507 Print Article(斜率优化DP)

    题目链接:hdu 3507 Print Article 题意: 每个字有一个值,现在让你分成k段打印,每段打印需要消耗的值用那个公式计算,现在让你求最小值 题解: 设dp[i]表示前i个字符需要消耗的 ...

  7. Print Article /// 斜率优化DP oj26302

    题目大意: 经典题 数学分析 G(a,b)<sum[i]时 a优于b G(a,b)<G(b,c)<sum[i]时 b必不为最优 #include <bits/stdc++.h& ...

  8. hdu 3507 Print Article —— 斜率优化DP

    题目:http://acm.hdu.edu.cn/showproblem.php?pid=3507 设 f[i],则 f[i] = f[j] + (s[i]-s[j])*(s[i]-s[j]) + m ...

  9. hdu3507Print Article(斜率优化dp)

    Print Article Time Limit: 9000/3000 MS (Java/Others)    Memory Limit: 131072/65536 K (Java/Others)To ...

  10. HDU-3507Print Article 斜率优化DP

    学习:https://blog.csdn.net/bill_yang_2016/article/details/54667902 HDU-3507 题意:有若干个单词,每个单词有一个费用,连续的单词组 ...

随机推荐

  1. 车架号识别,VIN码识别 助力汽车后市场

    又有一家汽配圈新贵引入了小译家的 车架号识别(VIN码识别)技术 那就是明觉科技 是一个服务于汽车后市场 集数据服务.行业数据挖掘 及“互联网+”为一体的汽配信息协作平台 旗下拥有一款全车零配件信息智 ...

  2. spark重点知识

    1 scala 2 spark rdd 3 sprak core 4 性能优化 5 spark sql 6 spark streaming 掌握程度-精通的理解:

  3. Java Basic&Security Tools

    JDK Tools and Utilities Basic Tools These tools are the foundation of the JDK. They are the tools yo ...

  4. 如何使用phpredis连接Redis的方法

    本文跟大家介绍使用同一VPC内弹性云服务器ECS上的phpredis连接Redis的方法. 更多的客户端的使用方法,请参考https://redis.io/clients 前提条件 已成功申请Redi ...

  5. 常用JDBC数据库驱动包和类名

    MySQL数据库: 1)驱动包:https://mvnrepository.com/artifact/mysql/mysql-connector-java(下载路径) 2)驱动类名:com.mysql ...

  6. sqli-labs学习笔记 DAY1

    DAY 1 准备工作 安装phpstudy 安装配置sqli-labs 学习笔记 SQL语句的注释:–, # +在URL经过编码后会编码为空格 SQL语句的查询语句:SELECT column_nam ...

  7. 支持向量机SVM 初识

    虽然已经学习了神经网络和深度学习并在几个项目之中加以运用了,但在斯坦福公开课上听吴恩达老师说他(在当时)更喜欢使用SVM,而很少使用神经网络来解决问题,因此来学习一下SVM的种种. 先解释一些概念吧: ...

  8. 如何更改Arcmap里经纬度小数点后面的位数?

    customize>arcmap option>data view >round coordinate to 改成想要显示的小数位数

  9. Centos 关闭图形界面

    查看/etc/inittab如下: # systemd uses 'targets' instead of runlevels. # by default, there are two main ta ...

  10. 软件工程 speedsnail 第二次冲刺10

    20150527 完成任务:蜗牛碰到线后速度方向的调整:已经基本实现多方向的反射: 遇到问题: 问题1 反射角的问题 解决1 利用tan()三角函数 明日任务: 大总结.找到新问题.布置下一次冲刺方案